《Optik》：Design and Development of Optical Sensing System Using FBG for Foot Movement and Strain Monitoring Application
编辑推荐：
摘要本研究提出了一种基于光纤布拉格光栅传感器的实时系统，该系统利用应变测量来检测足底跖屈和背伸过程中的足部位置，以及足内翻和足外翻运动。FBG传感器用于检测不同的应变模式，其中跖屈期间产生了+689.5 με的拉伸应变，而内翻期间产生了+1521 με的拉伸应变。背伸期间应变
摘要
本研究提出了一种基于光纤布拉格光栅传感器的实时系统，该系统利用应变测量来检测足底跖屈和背伸过程中的足部位置，以及足内翻和足外翻运动。FBG传感器用于检测不同的应变模式，其中跖屈期间产生了+689.5 με的拉伸应变，而内翻期间产生了+1521 με的拉伸应变。背伸期间应变达到-2205.4 με，外翻期间应变达到-1478.5 με。步态过程中的应变测量随时间变化表明，最大应变出现在支撑中期，最小应变出现在蹬离期。基于神经网络的人工智能模型执行了自动姿势分类，准确率达到86%，精确度为0.96，F1得分为0.96。十名参与者贡献了四种不同姿势和步行试验中共492个带标签的样本。研究结果证实，FBG传感器系统为康复过程中的智能可穿戴应用和体能评估提供了适当的性能。
引言
自20世纪80年代以来，足底压力测量已成为医学科学家日益关注的课题[1]。生物医学工程领域的研究探索了与足底压力分布相关的人体问题，涉及站立和行走，以及跑步和放松时的情况[2]。站立时，足部承受较高的静态压力，尽管动态步态由于负重阶段会产生更高的瞬态峰值力[3]。该领域的主要进展源于糖尿病足的特效管理[4]。患有神经性或血管性足溃疡的患者人群呈上升趋势，糖尿病足病专家认识到生物力学是基本治疗要素[5]、[6]、[7]。这一趋势在伴有神经性和血管并发症的糖尿病人群中尤为明显[8]、[9]。根据证据报告，糖尿病患者的下肢截肢源于足部创伤性溃疡[10]。患者希望提高生活质量，因此有必要开发监测设备来评估身体能力，以确保力量完好且康复治疗有效并正确执行。这些需求在老年人、行动不便的患者和康复参与者之间存在差异。人足通过脚趾抓地力辅助维持姿势并控制身体运动。脚趾抓地肌的力量影响拇外翻的发展以及较小脚趾的畸形[11]、[12]、[13]。研究记录表明，衰老会降低足部脚趾抓地力量，而抓地能力的降低会导致平衡控制受损，并增加老年人的跌倒风险[14]、[15]。目前，医疗服务提供者没有使用标准化的脚趾抓地测量方法，因为她们依赖不可靠的纸张抓地测试来评估第一脚趾功能[15]。密切监测变得至关重要，因为许多老年患者，包括老年人、糖尿病患者和患有肌肉骨骼疾病的个体，经历不同程度的行动障碍。过程辅助对其日常生活至关重要，因为它们影响其独立生活和执行基本日常操作的能力[16]。光纤布拉格光栅传感器已在生物力学和生物医学工程及康复应用中获得了广泛接受，因为它们具有独特的特点，包括抗电磁干扰、易于操作和远程传感能力、价格合理以及体积小[17]、[18]。FBG传感器展示了独特的性能，使其能够应用于人体研究，因为可以确定步态分析中的足部运动[17]。Guru Prasad等人建立了一种新方法，初步开发了基于FBG传感器的应变传感板，用于分析人类足底应变分布[19]。人类足部有两个合适的位置可以放置FBG传感器以监测地面接触力。Kyoungchul和Masayoshi在他们的研究中发现，每种步行模式都拥有独特的地面接触力模式[20]。主动步态地面接触力足部参数观测需要移动传感系统，这些系统必须以最少的布线运行，适应鞋类，保持低成本和低功耗需求[21]。光纤传感器技术可作为数字设备的替代方案，具有多种优势，使用允许众多传感器的电缆，这些传感器对电磁不敏感、电气隔离且高度精确，同时最小侵入、生物相容性良好，直径约为数百微米，并且坚固便携[22]、[23]、[24]。与电容式或电阻式压力鞋垫相比，FBG传感器提供了多项优势，包括抗电磁干扰、沿单根光纤复用能力、高应变灵敏度、抗漂移以及在重复加载下的耐用性提高。虽然康复、糖尿病足护理和老年人步态监测是重要的未来应用，但本研究不涉及这些人群。因此，本研究作为在健康个体中的可行性证明，未来研究将扩展到病理性和老年队列进行验证。
章节片段
FBG工作原理
实验中使用的FBG传感器为Redondo Optics预先刻写并商业采购。FBG传感器制作在基于硅的感光光纤核心上。使用紫外线光束强度在光纤核心上刻写光栅，以引入折射率的变化。折射率的周期性变化充当透过传感器的波长选择性镜子。宽带光通过光纤传输，其中一个
传感器校准
FBG传感器的校准使用了计算机化微型万能试验机，用于确定施加压力与传感器响应之间的精确相关性。每个校准步骤对每个传感器重复三次，并且由于传感器间的差异，校准曲线是单独生成的。
FBG受到从0到800 N的渐进载荷作用，如图1所示。0-800 N
受试者
本研究旨在考察十名健康志愿者，其中五名男性和五名女性在研究组中均等分布，参与者的平均年龄为27.1 ± 2.4岁，平均身高171.2 ± 7.6 cm，平均体重68.5 ± 9.4 kg，平均鞋码8.2 ± 1.1（印度码）。通过视觉检查足部形态以确认无畸形。为每位个体记录的平均体质指数（BMI）为22%，确认了他们参加当前研究的适当性
FBG传感器数据与分析
跖屈、背伸、内翻和外翻的布拉格波长漂移和应变值均显示出由FBG传感器系统测量的独特模式，证明了其对足部生物力学变形的敏感性。在50到150秒的时间段内，布拉格波长从1538.741 nm连续扩展到1538.742 nm，伴随着应变从611.3 με增加到689.5 με，如表2所示在跖屈测量期间。受试者向下的脚趾运动
应变传递和剪切滞后分析
表2、表3、表4、表5中报告的应变值是根据基于载荷的校准通过微型万能试验机进行的校准输出，因此反映了包括硅酮封装和鞋垫基体在内的完整传感器组件的机械顺应性，而非裸光纤直接粘合的应变敏感性。为量化这一区别，计算了每种姿势下的表观布拉格波长敏感性（ΔλB/Δε）
动态步态分析
图7通过应变和布拉格波长随时间变化清晰地展示了步行动力学的证据。图6中的时间依赖模式代表了整个步态周期中从脚跟触地到蹬离期期间的应变增加和减少。在支撑中期由于应变水平最高，足底地面接触达到峰值，随后在蹬离期足部抬起时应变最小。每位参与者进行20步行走记录，记录了
AI集成姿势分类
用于训练数据的神经网络模型成功执行了动作分类任务，具有高性能指标和低损失水平。训练准确率达到了近乎完美的水平后上升，同时训练损失以同样快速的速度下降以实现有效学习。测试准确率在98.5%处停止波动，证实模型实现了强大的泛化能力，同时测试损失表现出最小的错误。测试准确率的变化显示极小
结论
本工作展示了实时测量足部姿势位置以及足部应变分布的能力。本工作的新颖性在于结合实时基于FBG的多姿势应变检测与AI驱动的自动分类，并通过静态姿势和动态步态进行验证。当受试者保持固定姿势时，传感器在跖屈时显示了+689.5 με的拉伸应变，而背伸时造成了-2205.4 με的压缩应变。传感器
伦理声明
本研究已获机构审查委员会批准，并符合伦理标准，仅涉及非侵入性足底压力测量。
作者贡献声明
Naidila Sadashiv：方法学，调查。Nirmala Hiremani：软件，资源，项目管理。S Ambika：数据整理，构思。Aruna M G：资金获取，正式分析。Preeta Sharan：撰写—审查与编辑，撰写—原始稿，可视化。Anup M Upadhyaya：撰写—原始稿，可视化，验证，监督，软件，调查。
利益冲突声明
作者声明，他们不存在已知的竞争性经济利益或个人关系，这些利益或关系可能会影响本文报告的工作。
致谢
我们衷心感谢教职和研究人员持续的支特及其宝贵的投入、资源和协作指导，这些对本工作的成功做出了重大贡献。
S. Ambika|Aruna M G|Naidila Sadashiv|Nirmala Hiremani|Anup M Upadhyaya|Preeta Sharan
电子信息与通信工程系，BTI工程学院，班加罗尔，隶属于印度贝尔加姆维斯韦斯拉亚技术大学
